Universität Wien

052414 VU Concepts and Models of Knowledge Engineering (2018W)

3.00 ECTS (2.00 SWS), SPL 5 - Informatik und Wirtschaftsinformatik
Prüfungsimmanente Lehrveranstaltung

Zusammenfassung

1 Karagiannis , Moodle
2 Karagiannis , Moodle

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
An/Abmeldeinformationen sind bei der jeweiligen Gruppe verfügbar.

Gruppen

Gruppe 1

max. 25 Teilnehmer*innen
Sprache: Englisch
Lernplattform: Moodle

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

  • Mittwoch 03.10. 08:00 - 09:30 Hörsaal 3, Währinger Straße 29 3.OG
  • Mittwoch 03.10. 15:00 - 16:30 Seminarraum 7, Währinger Straße 29 1.OG
  • Mittwoch 21.11. 13:15 - 14:45 Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 22.11. 09:45 - 11:15 Hörsaal 3, Währinger Straße 29 3.OG
  • Mittwoch 28.11. 13:15 - 14:45 Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 29.11. 09:45 - 11:15 Hörsaal 3, Währinger Straße 29 3.OG
  • Mittwoch 05.12. 13:15 - 14:45 Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 06.12. 09:45 - 11:15 Hörsaal 3, Währinger Straße 29 3.OG
  • Montag 10.12. 08:00 - 09:30 Hörsaal 1, Währinger Straße 29 1.UG
  • Mittwoch 12.12. 13:15 - 14:45 Hörsaal 3, Währinger Straße 29 3.OG
  • Mittwoch 09.01. 13:15 - 14:45 Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 10.01. 09:45 - 11:15 Hörsaal 3, Währinger Straße 29 3.OG
  • Mittwoch 16.01. 13:15 - 14:45 Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 17.01. 09:45 - 11:15 Hörsaal 3, Währinger Straße 29 3.OG
  • Mittwoch 23.01. 13:15 - 14:45 Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 24.01. 09:45 - 11:15 Hörsaal 3, Währinger Straße 29 3.OG
  • Montag 28.01. 15:00 - 16:30 Hörsaal 14 Oskar-Morgenstern-Platz 1 2.Stock

Gruppe 2

max. 25 Teilnehmer*innen
Sprache: Englisch
Lernplattform: Moodle

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

  • Mittwoch 03.10. 08:00 - 09:30 Hörsaal 3, Währinger Straße 29 3.OG
  • Mittwoch 03.10. 15:00 - 16:30 Seminarraum 7, Währinger Straße 29 1.OG
  • Mittwoch 21.11. 13:15 - 14:45 Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 22.11. 09:45 - 11:15 Hörsaal 3, Währinger Straße 29 3.OG
  • Mittwoch 28.11. 13:15 - 14:45 Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 29.11. 09:45 - 11:15 Hörsaal 3, Währinger Straße 29 3.OG
  • Mittwoch 05.12. 13:15 - 14:45 Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 06.12. 09:45 - 11:15 Hörsaal 3, Währinger Straße 29 3.OG
  • Montag 10.12. 08:00 - 09:30 Hörsaal 1, Währinger Straße 29 1.UG
  • Mittwoch 12.12. 13:15 - 14:45 Hörsaal 3, Währinger Straße 29 3.OG
  • Mittwoch 09.01. 13:15 - 14:45 Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 10.01. 09:45 - 11:15 Hörsaal 3, Währinger Straße 29 3.OG
  • Mittwoch 16.01. 13:15 - 14:45 Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 17.01. 09:45 - 11:15 Hörsaal 3, Währinger Straße 29 3.OG
  • Mittwoch 23.01. 13:15 - 14:45 Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 24.01. 09:45 - 11:15 Hörsaal 3, Währinger Straße 29 3.OG
  • Montag 28.01. 15:00 - 16:30 Hörsaal 14 Oskar-Morgenstern-Platz 1 2.Stock

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

In this lecture, the goal is to gain expertise on the state of the art in knowledge engineering. Therefore, students explore the relevant theory and reinforce their knowledge in exercises.

Art der Leistungskontrolle und erlaubte Hilfsmittel

Two exams have to be written, one in the middle and one at the end of the semester. The exams will contain theory questions and applied problems, based on the lectures, a script with lecture content, and exercises. During the test, no unauthorized materials are allowed and all electronic devices have to be turned off.

In detail, the grade is constituted by:
* 1st exam 40%
* 2nd exam 40%
* Exercises 20%

Missing class more than three times results in a negative grade.

Mindestanforderungen und Beurteilungsmaßstab

For a positive evaluation of the course, more or equal to 50% of requirements have to be fulfilled. The grading scale is defined as follows: >50% - 62,5%: Genügend; >62,5% - 75%: Befriedigend; >75% - 87,5%: Gut; >87,5%: Sehr Gut

Prüfungsstoff

Neural Networks I
Machine Learning
Neural Networks II
Evolutionary Computation
Bayesian Scheme
Hidden Markov Models
Agent Systems
Constraint Satisfaction
Semantic Web

Literatur

Script with lecture content
Moodle course

Dimitris Karagiannis, Rainer Telesko: Wissensmanagement: Konzepte der künstlichen Intelligenz und des Softcomputing
Stuart J. Russell, Peter Norvig: Artificial Intelligence - A Modern Approach

Zuordnung im Vorlesungsverzeichnis

Module: WI2 KE

Letzte Änderung: Mo 07.09.2020 15:30